I ricercatori hanno creato un algoritmo per identificare tipi di cellule simili da specie diverse – inclusi pesci, topi, vermi piatti e spugne – che si sono evolutivamente allontanate da centinaia di milioni di anni. Questo algoritmo potrebbe aiutarci a colmare le lacune nella nostra comprensione dell’evoluzione.
Le cellule sono i mattoni della vita, presenti in ogni organismo vivente. Ma quanto pensi che le tue cellule siano simili a un topo? Un pesce? Un verme?
Il confronto dei tipi di cellule in specie diverse attraverso l’albero della vita può aiutare i biologi a capire come sono nati i tipi di cellule e come si sono adattati alle esigenze funzionali delle diverse forme di vita.
Questo è stato materia di crescente interesse per i biologi evoluzionisti negli ultimi anni perché la nuova tecnologia ora consente il sequenziamento e l’identificazione di tutte le cellule in interi organismi.
“C’è un’ondata di interesse nella comunità scientifica sulla classificazione di tutti i tipi di cellule in un’ampia varietà di organismi diversi“, ha spiegato Bo Wang, un assistente professore di bioingegneria alla Stanford University.
In risposta a questa opportunità, il laboratorio di Wang ha sviluppato un algoritmo per collegare tipi di cellule simili attraverso distanze evolutive. Il loro metodo, descritto in un articolo pubblicato il 4 maggio 2021 su eLife, è progettato per confrontare i tipi di cellule simili in specie diverse.
Per la ricerca, il team ha utilizzato sette specie per confrontare 21 diversi accoppiamenti ed è stato in grado di identificare i tipi di cellule presenti in tutte le specie insieme alle loro somiglianze e differenze.
Confronto tra i tipi di cellule
Secondo Alexander Tarashansky, uno studente laureato in bioingegneria che lavora nel laboratorio di Wang, l’idea di creare l’algoritmo è venuta quando un giorno Wang è entrato nel laboratorio e gli ha chiesto se poteva analizzare set di dati di tipo cellulare da due diversi vermi su cui il laboratorio stava lavorando.
“Sono rimasto colpito da quanto siano nette le differenze tra di loro“, ha detto Tarashansky, che è stato l’autore principale dell’articolo ed è uno Stanford Bio-X Interdisciplinary Fellow. “Abbiamo pensato che avrebbero dovuto avere tipi di cellule simili, ma quando proviamo ad analizzarli utilizzando tecniche standard, il metodo non li riconosce come simili“.
A quel punto, si è chiesto se fosse un problema con la tecnica o se i tipi di cellule fossero semplicemente troppo diversi per essere compatibili tra le specie. Tarashansky ha quindi iniziato a lavorare sull’algoritmo per abbinare meglio i tipi di cellule tra le specie.
“Diciamo che voglio confrontare una spugna con un essere umano“, ha spiegato Tarashansky. “Non è davvero chiaro quale gene della spugna corrisponda a quale gene umano perché quando gli organismi si evolvono, i geni si duplicano, cambiano, si duplicano di nuovo. E così ora abbiamo un gene nella spugna che potrebbe essere correlato a molti geni negli esseri umani“.
Invece di cercare di trovare una corrispondenza genica uno a uno come i metodi precedenti per la corrispondenza dei dati, il metodo di mappatura dei ricercatori abbina l’unico gene nella spugna a tutti i geni umani potenzialmente corrispondenti. Quindi l’algoritmo procede per capire qual è quello giusto.
Tarashansky afferma che il tentativo di trovare solo coppie di geni uno-a-uno ha limitato gli scienziati che cercavano di mappare i tipi di cellule in passato. “Penso che la principale innovazione qui stia nel fatto che che teniamo conto delle caratteristiche che sono cambiate nel corso di centinaia di milioni di anni di evoluzione“.
“Come possiamo utilizzare i geni in continua evoluzione per riconoscere lo stesso tipo di cellula che cambia costantemente anche in specie diverse?” Ha detto Wang, che è l’autore senior dell’articolo. “L’evoluzione è stata compresa utilizzando geni e tratti dell’organismo, penso che ora siamo a un punto di svolta entusiasmante per colmare le scale osservando come si evolvono le cellule“.
Riempiendo l’albero della vita
Utilizzando questo approccio di mappatura, il team ha scoperto una serie di geni conservati e famiglie di tipi di cellule tra le specie.
Secondo Tarashansky un punto culminante della ricerca c’è stato nel confrontare le cellule staminali tra due vermi piatti molto diversi.
“Il fatto che abbiamo trovato corrispondenze uno a uno nelle loro popolazioni di cellule staminali è stato davvero eccitante“, ha detto. “Penso che fondamentalmente abbia sbloccato molte nuove ed entusiasmanti informazioni su come le cellule staminali appaiono all’interno di un verme piatto parassita che infetta centinaia di milioni di persone in tutto il mondo“.
I risultati della mappatura del team suggeriscono anche che esiste una forte conservazione delle caratteristiche dei neuroni e delle cellule muscolari da tipi animali molto semplici, come le spugne, a mammiferi più complessi come topi e umani.
“Questo suggerisce che quei tipi di cellule siano sorti molto presto nell’evoluzione animale“, ha detto Wang.
Ora che il team ha costruito lo strumento per il confronto cellulare, i ricercatori possono continuare a raccogliere dati su un’ampia varietà di specie per l’analisi.
Man mano che verranno raccolti e confrontati più set di dati da più specie, i biologi saranno in grado di tracciare la traiettoria evolutiva dei tipi di cellule in diversi organismi e la capacità di riconoscere nuovi tipi di cellule migliorerà.
“Se hai solo spugne e poi vermi e ti manca tutto il resto, è difficile sapere come si sono evoluti i tipi di cellule di spugna o come i loro antenati si sono diversificati in spugne e vermi“, ha detto Tarashansky. “Vogliamo riempire il maggior numero possibile di nodi lungo l’albero della vita per essere in grado di facilitare questo tipo di analisi evolutiva e il trasferimento della conoscenza tra le specie“.
Riferimento: “Mapping single-cell atlases throughout Metazoa unravels cell type evolution” di Alexander J Tarashansky, Jacob M Musser, Margarita Khariton, Pengyang Li, Detlev Arendt, Stephen R Quake e Bo Wang, 4 maggio 2021, eLife .
DOI: 10.7554 / eLife.66747
